AI助力乡村艺术要让中国乡村讲自己的故事

温州“AI数字人”复活谢灵运的实践提供了一个鲜活案例：地方性知识是AI建构乡村艺术自主知识体系的“本源性语料”。当算法不再依赖通用大模型的平均化逻辑，而是扎根于具体的山水诗作、地方志记载、民间传说与古道遗迹时，生成的不是面目模糊的“古代文人平均值”，而是踏遍瓯越山水的独特灵魂。这一逻辑推及更广阔的乡村艺术场域，从苗绣纹样的神话密码到陕北民歌的黄土回响，同样适用。

《山水孤屿——谢灵运传》视频截图

上述实践活动参与者方书豪在训练之前，做了一件看似笨拙却至关重要的事：对谢灵运在温州任太守期间的山水诗作、地方志记载、民间传说进行了系统性的田野整理。从《登池上楼》的创作背景到“谢公屐”的民间传说，从楠溪江畔的古道遗迹到历代文人手稿，这些“地方性知识”构成了不可替代的“本源性语料”。正如温州大学元宇宙与人工智能研究院团队在与温州市文联、温州博物馆等机构的文史专家座谈会上所强调的，运用AI让传统文化“活起来”“传下去”是团队的核心目标。若没有这些在地语料的“喂养”，通用大模型生成的“谢灵运”充其量是一个会写诗的古人模板，而非那个踏遍瓯越山水、开创山水诗派的独特灵魂。这揭示了一个根本逻辑：乡村艺术的数字化，第一步不是“用技术”，而是“整理自己”。

每一个村落的口述史、每一门手艺的工序口诀、每一段民俗的仪式细节，都是建构自主知识体系的“元数据”，没有这些，再先进的算法也只是一具空壳。所谓“本源性语料”，其核心特征在于不可替代性与在地生成性：它不是从现有数据库中抽取的现成素材，而是必须扎根于具体村落的历史脉络与生活现场。以苗绣为例，一个蝴蝶妈妈的神话纹样，在通用大模型中可能被归类为“对称装饰图案”，但在当地传承人的知识体系中，它承载着苗族神话叙事的文化密码；又如陕北民歌中的“信天游”唱腔，算法可以分析其音高曲线，却无法捕捉那种“拦羊嗓子回牛声”背后的黄土高原生存体验。这些“不可计算”的维度，恰恰是地方性知识的精华所在。值得强调的是，“本源性语料”的建构并非排斥通用大模型的技术能力，而是重新划定二者的主从关系：通用模型可以作为辅助工具提供语音识别、图像分类等技术支撑，但训练语料的来源、标注的标准、质量的评判，必须由在地文化主体说了算。换言之，AI服务于乡村艺术的正确姿态，不是让地方性知识去适应算法，而是让算法去学习地方性知识，这既是技术伦理的底线，也是文化主体性的起点。

在乡村艺术领域，一个担忧挥之不去：AI会不会让祖传的手艺失去价值？当生成式人工智能能够模仿刺绣针法、谱写民歌曲调、设计竹编图案，手艺人的不可替代性似乎正在被技术逻辑蚕食。然而，这种焦虑预设了一个值得商榷的前提，将AI视为手艺的竞争者而非协作者。

值得关注的是，湖南师范大学湘绣创新研发中心已与湘西巧手翠翠文创研发中心达成合作，聚焦数字化技术保护与传承湘西苗绣的独特魅力，利用现代科技手段记录和保存苗绣技艺。从这一案例反观，“识—导—创”平台所确立的“识别”与“引导”的技术逻辑，可自然延伸应用于苗绣纹样的系统分类与数字化存档。不是教从业者怎么做，而是帮他们发现本来就有什么。所谓“识别”，是指算法能够自动标注不同纹样的类型与来源；所谓“引导”，是指系统根据传统绣法规则，向传承人推荐某一纹样常见的配色组合或针法顺序。但创作图案的布局设计、针法的即兴调整、情感的表达选择仍然完整地保留给绣娘本人。这正是人机协作理想的边界：AI并没有试图“学会绣花”，而是将绣娘从重复性的纹样识别与规则记忆中解放出来，让她们有更多精力投入真正体现手艺精髓的创造性劳动中。湖南师大的实践表明，当技术退回到“辅助”的位置，手工温度非但没有被稀释，反而因为传承人获得了更大的创作自由而得到强化。

“识—导—创”数智美育平台的经验表明，AI止步于“识别”与“引导”是可行的人机协作边界。无独有偶，杭州青山村融设计图书馆秉持“解构传统手工艺”的研究理念，设计师与当地竹编手艺人合作，系统分析传统竹编从人字编、六角编到螺旋编的几何结构与工艺逻辑，以此理解竹编背后的美学与工程智慧，为产品改良提供科学依据。这一实践恰恰为AI介入“几何结构分析与工艺逻辑提取”提供了清晰的用武之地，算法可以承担竹编纹样的自动分类、结构受力计算、材料损耗预估等“可计算”工作，而创作决策与手感把控仍由手艺人掌握。二者虽一地属湘、一地居浙，却共同揭示了一个被反复验证的规律：技术越是想守护手工的温度，就越应该退到“辅助者”的位置上。AI不必学会编竹篮，只需帮助手艺人更快地算清楚哪一茬竹篾更省料、哪一种编法更受力，剩下的手感、审美与即兴调整，依然交给那双摸了几十年竹子的手。机器负责“算”，人负责“拿捏”，算的是效率与精度，拿捏的是分寸与灵性。说到底，手工的不可替代性，从来不在“算得快不快”，而在“拿捏得准不准”。这份拿捏，既是经验的沉淀，也是人与材料之间日久生情的默契，更是机器永远无法抵达的温度。

当AI已成为乡村艺术无法回避的变量，回避技术不是出路，盲目拥抱也非正途。问题的核心不在于“用不用AI”，而在于“谁来定义怎么用”。正如费孝通先生晚年反复强调的“文化自觉”，在数字时代知道自己文化的来处，才知道技术该往哪里用。AI助力乡村艺术，说到底，就是一场以乡村为主体的文化自觉实践。掌握了定义权，AI便是乡村艺术自主知识体系形成的加速器；失去了定义权，再先进的技术也只是西方范式与文化权力的隐形移植。

围绕定义权的落地，首当其冲的是语料主权问题。建立乡村艺术的地方性语料库，让在地知识成为AI训练的本源而非补充，这是自主知识体系的基石。当前通用大模型的训练语料中，乡村艺术内容不仅占比极低，而且往往被抽离了具体的文化语境。因此，需要建立从国家到村落的层级化采集机制：国家级层面制定数据标准与伦理规范，基层单位负责区域协调，而最核心的采集与标注工作，必须回到村落现场，由传承人、村民和地方学者共同完成。没有语料主权，就没有知识主权。

在语料主权的基础上，算法伦理构成了第二条路径。开发面向乡村艺术的专用小模型，而非直接套用通用大模型，这一选择具有深层的文化意义。乡村艺术的魅力恰恰在于差异本身，这个村子的绣法跟隔壁村不一样，这位老艺人的唱腔与那位老先生有微妙区别。专用小模型的好处在于：它的“偏见”恰恰是乡土文化的聚焦。当模型只学习一个流域的山歌、只分析一种绣法的演变，它反而能够捕捉到通用模型永远无法抵达的细节深度。技术路径的选择，从来不只是效率问题，更是文化立场问题。

最后，评价体系的自主性决定了整个知识闭环的完整性。乡村艺术的AI生成物，究竟由谁来评判好坏对错？这个问题直接关系到定义权的最终归属。一个合理的答案是：传承人、村民和地方学者应当成为评价主体，而非仅由技术专家或城市批评家定调。传承人评判的是技艺准不准，村民评判的是味道对不对，地方学者评判的是文化脉络通不通——三者缺一不可。这并非排斥外部视角，而是确立一个基本秩序：外部意见可以“参考”，内部判断才能“定音”。AI对中国乡村艺术来说，是让中国的乡村在数字时代讲出自己的故事。当地方性知识成为算法的“第一推动力”，乡村艺术便不再是数字化浪潮中的被动景观，而成为定义者本身。这份探讨，既是对“艺术乡建”的学术回应，也是对每一个正在尝试用数字技术留住乡愁的实践者的致敬。

作者系山东农业大学艺术学院教授

本文刊发于《中国艺术报》2026年4月10日第6版

审核丨丁薇

编辑丨胡安冉